Perpustakaan Digital ITB

Di tengah meningkatnya jumlah investor di pasar modal Indonesia, proses pengambilan keputusan investasi masih bergantung pada pendekatan fundamental dan sentimen pasar yang cenderung lambat, subjektif, dan sulit diuji secara statistik. Sebagai akibatnya, pendekatan quantitative investing yang berbasis teknologi pembelajaran mesin (machine learning) mulai menjadi alternatif solusi untuk memperoleh sinyal investasi yang lebih objektif dan sistematis. Terdapat dua pendekatan umum dalam quantitative investing: trend following, di mana investor membeli saat harga saham naik; dan mean reversion, di mana investor membeli ketika harga saham menurun. Penelitian ini bertujuan untuk merancang strategi pullback dalam investasi saham LQ45, yaitu strategi yang menangkap peluang ketika harga mengalami koreksi sementara dalam tren naik yang sedang berlangsung. Strategi ini kemudian dioptimasi menggunakan algoritma Random Forest untuk memilih kombinasi indikator moving average jangka pendek dan panjang yang paling efektif. Sistem dikembangkan menggunakan Python dan Pine Script, serta dilengkapi antarmuka sederhana untuk menampilkan rekomendasi saham kepada pengguna. Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi peluang investasi secara lebih objektif, cepat, dan terukur. Evaluasi dilakukan menggunakan metrik kinerja seperti Net profit dan Average PnL untuk mengukur potensi keuntungan dan risiko. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan strategi perdagangan berbasis data di pasar modal Indonesia.